单细胞分析中注释矩阵的数据结构。在处理.h5ad文件或与scverse生态系统集成时使用。此为数据格式技能——分析流程请使用scanpy；概率模型请使用scvi-tools；群体规模查询请使用cellxgene-census。

谷歌量子计算框架。适用于针对谷歌量子AI硬件、设计考虑噪声的电路或运行量子表征实验。最适合谷歌硬件、噪声建模和底层电路设计。对于IBM硬件，请使用Qiskit；对于使用自动微分的量子机器学习，请使用PennyLane；对于物理模拟，请使用QuTiP。

基于约束的代谢建模（COBRA）。用于系统生物学和代谢工程分析的FBA、FVA、基因敲除、流采样和SBML模型。

使用多种特征提取器和预构建数据集的分子机器学习。当您需要丰富的特征提取选项和MoleculeNet基准时，可将其用于性质预测（如ADMET、毒性）与传统机器学习或图神经网络（GNN）结合使用。最适合使用预训练模型和多样分子表示进行快速实验。对于以图为主的PyTorch工作流程，请使用torchdrug；对于基准数据集，请使用pytdc。

基于扩散的分子对接。从PDB/SMILES预测蛋白质-配体结合构象、置信度分数和虚拟筛选，用于基于结构的药物设计。不用于亲和力预测。

一套全面的蛋白质语言模型工具包，包含ESM3（跨序列、结构和功能的生成性多模态蛋白质设计）和ESM C（高效蛋白质嵌入与表示）。在处理蛋白质序列、结构或功能预测、设计新型蛋白质、生成蛋白质嵌入、执行逆向折叠或开展蛋白质工程任务时使用此工具。支持本地模型使用和基于云的Forge API以实现可扩展推理。

使用AI模型（FLUX、Nano Banana 2）生成或编辑图像，适用于通用图像生成，包括照片、插图、艺术作品、视觉素材、概念设计等非技术图表或示意图的任何图像。对于流程图、电路图、路径图和技术图表，请使用“科学示意图”技能。